如何用R的rvest提取网页表格<tr>标签的data-id属性？

嘿，我来帮你搞定这个抓取波兰选举选区data-id的问题！你之前得到named character(0)的结果，大概率是因为节点选择的方式不够精准，或者用错了提取属性的函数。咱们一步步来修正：

问题分析 #

你的原代码嵌套了三次html_nodes()，虽然逻辑上是找表格，但可能中间的过滤步骤不小心排除了带有data-id属性的<tr>标签；另外html_attrs()会返回标签的所有属性组成的列表，而你只需要data-id这一个特定属性，用它反而容易得到空结果。

修正后的代码 #

直接定位到带有data-id属性的<tr>标签，然后用html_attr()精准提取目标属性：

library(dplyr)
library(rvest)

# 读取目标页面
page <- read_html("https://wybory.gov.pl/prezydent20200628/pl/wyniki/1/pow/26400")

# 提取所有带有data-id属性的<tr>标签的data-id值
district_ids <- page %>%
  html_nodes('tr[data-id]') %>%  # 直接选择有data-id属性的行
  html_attr("data-id")  # 提取指定属性的值

# 查看结果
print(district_ids)

为什么这样有效？ #

1. 精准定位节点：tr[data-id]是CSS选择器的写法，直接筛选出所有包含data-id属性的<tr>标签，比多层嵌套找表格更高效，也不会漏掉目标元素。
2. 指定提取属性：html_attr("data-id")会直接返回每个<tr>标签的data-id属性值，没有的话会返回NA，而不是返回所有属性的列表，结果更清晰。

补充说明 #

如果你的目标表格确实在table-responsive容器和指定class的表格里，也可以加上更具体的筛选（避免页面其他表格干扰）：

district_ids <- page %>%
  html_nodes('.table-responsive .table.table-bordered.table-striped.table-hover tr[data-id]') %>%
  html_attr("data-id")

这样会先定位到目标表格，再提取其中带data-id的行，更稳妥。

内容的提问来源于stack exchange，提问作者AAAA